Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Developing a prototype for federated analysis to enhance privacy and enable trustworthy access to COVID-19 research data
2024·2 Zitationen·International Journal of Medical InformaticsOpen Access
Volltext beim Verlag öffnen2
Zitationen
29
Autoren
2024
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
k-ANONYMITY: A MODEL FOR PROTECTING PRIVACY
2002 · 8.395 Zit.
Calibrating Noise to Sensitivity in Private Data Analysis
2006 · 6.867 Zit.
Communication-Efficient Learning of Deep Networks from Decentralized\n Data
2016 · 5.591 Zit.
Deep Learning with Differential Privacy
2016 · 5.587 Zit.
Large-Scale Machine Learning with Stochastic Gradient Descent
2010 · 5.559 Zit.
Autoren
- Solmaz Eradat Oskoui
- Matthew Retford
- Eoghan Forde
- Rodrigo Barnes
- Karen J. Hunter
- Anne Wozencraft
- Simon Thompson
- Chris Orton
- David Ford
- Sharon Heys
- Julie Kennedy
- Cynthia McNerney
- Jeffrey Peng
- Hamed Ghanbariadolat
- Sarah Rees
- Rachel Mulholland
- Aziz Sheikh
- David Burgner
- Meredith Brockway
- Meghan B. Azad
- Natalie Rodriguez
- Helga Zoëga
- Sarah J. Stock
- Clara Calvert
- Jessica E. Miller
- Nicole Fiorentino
- Amy Racine
- Jonas Häggström
- Neil Postlethwaite
Institutionen
- Aridhia (United Kingdom)(GB)
- Health Data Research UK(GB)
- Swansea University(GB)
- University of Edinburgh(GB)
- Royal Children's Hospital(AU)
- Alberta Children's Hospital(CA)
- Children's Hospital Research Institute of Manitoba(CA)
- University of Iceland(IS)
- University of London(GB)
- London School of Hygiene & Tropical Medicine(GB)
- University of Manitoba(CA)
- Cytel (United States)(US)
Themen
Privacy-Preserving Technologies in DataArtificial Intelligence in Healthcare and EducationEthics in Clinical Research